UNJAYAUNJAYA
Teknomatika: Jurnal Informatika dan KomputerTeknomatika: Jurnal Informatika dan KomputerPenelitian ini mengevaluasi dampak variasi jumlah lapisan layer pada implementasi algoritma Convolutional Neural Network (CNN) dalam sistem identifikasi dan kategorisasi objek berbasis warna, menggunakan bahasa python dengan dukungan framework TensorFlow/Keras. Data yang digunakan adalah kumpulan data visual berupa cangkir merah dan putih yang terbagi dalam proporsi 90% data training dan 10% data testing pada dataset dalam penelitian ini yang berjumlah 62 data cangkir berwarna merah dan 59 data cangkir berwarna putih. Pengujian dilakukan dengan membandingkan tiga konfigurasi lapisan konvolusi berbeda 1, 2, dan 3 lapisan layer, dimana setiap konfigurasi diintegrasikan dengan lapisan max pooling dan fully connected. Hasil penelitian menunjukan akurasi 92%, precision 93%, recall 92%, dan f1-score 92%. Di sisi lain, penerapan dua dan tiga lapisan konvolusi justru menunjukkan kemunduran signifikan dengan akurasi hanya 46%.
Pemodelan algoritma CNN dengan 1 layer konvolusi, 1 layer max pooling, dan 1 fully connected layer memberikan performa terbaik dalam mendeteksi dan mengklasifikasikan objek berdasarkan fitur warna, dengan akurasi 92%, precision 93%, recall 92%, dan f1‑score 92%.Penambahan 2 atau 3 layer konvolusi menurunkan akurasi secara signifikan hingga hanya 46%.Grafik akurasi dan loss menunjukkan konfigurasi satu layer lebih stabil dan mendekati nilai optimal dibandingkan konfigurasi lainnya.
Untuk penelitian lanjutan, pertama-tama dapat diteliti penerapan transfer learning dengan menggunakan arsitektur pretrained seperti VGG, ResNet, atau MobileNet pada dataset kecil berisi gambar cangkir berwarna, guna meningkatkan akurasi deteksi warna dibandingkan model CNN konvensional. Kedua, eksplorasi optimizer alternatif seperti AdamW dan RMSprop serta strategi tuning hyperparameter menggunakan grid search atau Bayesian optimization dapat dilakukan untuk menemukan kombinasi optimal antara jumlah layer dan parameter pelatihan yang memaksimalkan performa model. Ketiga, integrasi mekanisme perhatian seperti Squeeze‑and‑Excitation (SE) block atau self‑attention bersama metode Explainable AI (XAI) dapat diuji untuk menilai dampaknya terhadap kemampuan model dalam mengekstraksi fitur penting serta meningkatkan interpretabilitas hasil deteksi warna objek, sehingga memberikan wawasan yang lebih mendalam bagi pengembangan sistem pengenalan visual.
| File size | 2.81 MB |
| Pages | 13 |
| DMCA | Report |
Related /
UINSAUINSA Sistem Informasi Manajemen yang digunakan oleh bidang Pendidikan Diniyah dan Pondok Pesantren (PD Pontren) untuk mengelola tunjangan guru, termasuk guruSistem Informasi Manajemen yang digunakan oleh bidang Pendidikan Diniyah dan Pondok Pesantren (PD Pontren) untuk mengelola tunjangan guru, termasuk guru
RISETILMIAHRISETILMIAH Hasil penelitian berupa peta prioritas retrofit dapat menjadi dasar penguatan struktur sekolah secara lebih tepat sasaran, efisien, dan berbasis data.Hasil penelitian berupa peta prioritas retrofit dapat menjadi dasar penguatan struktur sekolah secara lebih tepat sasaran, efisien, dan berbasis data.
RISETILMIAHRISETILMIAH PLN (Persero) UP3 Balikpapan memiliki tantangan berupa susut non-teknis yang disebabkan oleh anomali pada kWh meter, kesalahan pembacaan manual, maupunPLN (Persero) UP3 Balikpapan memiliki tantangan berupa susut non-teknis yang disebabkan oleh anomali pada kWh meter, kesalahan pembacaan manual, maupun
UNIVSMUNIVSM Namun, di balik manfaat tersebut, terdapat tantangan serius. Homogenisasi bahasa akibat penggunaan AI yang repetitif dapat mengurangi kekayaan ekspresiNamun, di balik manfaat tersebut, terdapat tantangan serius. Homogenisasi bahasa akibat penggunaan AI yang repetitif dapat mengurangi kekayaan ekspresi
UNAMAUNAMA Pada overload dengan memanfaatkan tools Apache Jmeter didapatkan hasil penelitian yaitu skenario 1 dengan 5 user (105 sampel) terdapat 0. Dan pada kerentananPada overload dengan memanfaatkan tools Apache Jmeter didapatkan hasil penelitian yaitu skenario 1 dengan 5 user (105 sampel) terdapat 0. Dan pada kerentanan
UNAMAUNAMA Hasil evaluasi menunjukkan bahwa sistem memiliki akurasi klasifikasi sebesar 88%, serta memberikan visualisasi data seperti distribusi karakter dan confusionHasil evaluasi menunjukkan bahwa sistem memiliki akurasi klasifikasi sebesar 88%, serta memberikan visualisasi data seperti distribusi karakter dan confusion
ITGITG Pendekatan ini meliputi beberapa tahap, mulai dari analisis kebutuhan, perancangan sistem, implementasi, hingga pengujian. Sistem yang dihasilkan diharapkanPendekatan ini meliputi beberapa tahap, mulai dari analisis kebutuhan, perancangan sistem, implementasi, hingga pengujian. Sistem yang dihasilkan diharapkan
UNIDAYANUNIDAYAN Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi berbasis Android yang dapat mendukung proses penyetoran, asistensi, dan penilaian tugasPenelitian ini bertujuan untuk merancang dan mengembangkan aplikasi berbasis Android yang dapat mendukung proses penyetoran, asistensi, dan penilaian tugas
Useful /
PEDSCIJPEDSCIJ Penyebab mendasar AOP bersifat multifaktorial, termasuk kekurangan produksi eritropoietin (EPO), masa hidup sel darah merah yang lebih pendek, dan pengambilanPenyebab mendasar AOP bersifat multifaktorial, termasuk kekurangan produksi eritropoietin (EPO), masa hidup sel darah merah yang lebih pendek, dan pengambilan
UNIVSMUNIVSM Namun, integrasi saluran online dan offline menawarkan peluang untuk meningkatkan daya saing melalui konsistensi pesan lintas saluran, penyesuaian algoritma,Namun, integrasi saluran online dan offline menawarkan peluang untuk meningkatkan daya saing melalui konsistensi pesan lintas saluran, penyesuaian algoritma,
PEDSCIJPEDSCIJ Memperoleh diagnosis kondisi ini sangat menantang di daerah dengan sumber daya terbatas karena kurangnya fasilitas laboratorium yang memadai, meskipunMemperoleh diagnosis kondisi ini sangat menantang di daerah dengan sumber daya terbatas karena kurangnya fasilitas laboratorium yang memadai, meskipun
UNJAYAUNJAYA Klasifikasi jenis alas kaki, seperti boot, sandal, dan shoe, merupakan tantangan penting dalam pengembangan sistem pengenalan citra berbasis kecerdasanKlasifikasi jenis alas kaki, seperti boot, sandal, dan shoe, merupakan tantangan penting dalam pengembangan sistem pengenalan citra berbasis kecerdasan